Relation-Aware Question Answering for Heterogeneous Knowledge Graphs

要約

マルチホップ知識ベース質問応答 (KBQA) は、複数の推論ステップを必要とするナレッジ グラフ (KG) 内の回答エンティティを見つけることを目的としています。
既存の検索ベースのアプローチは、さまざまなホップでの特定の関係に集中し、推論パス内の中間エンティティを予測することで、このタスクを解決します。
これらの方法の推論プロセス中に、関係の表現は固定されますが、最初の関係の表現は最適ではない可能性があります。
私たちは、彼らが現在の関係表現を強化するために頭尾エンティティからの情報と関係間の意味論的接続を利用できず、KG 内の関係の情報を取得する能力を損なうと主張します。
この問題に対処するために、各ノードが元の KG (\textbf{主エンティティ グラフ}) 内の関係を示し、同じ先頭エンティティまたは末尾エンティティを共有する関係間にエッジが構築される \textbf{二重関係グラフ} を構築します。
次に、基本エンティティ グラフ推論、二重関係グラフ情報の伝播、およびこれら 2 つのグラフ間の相互作用を繰り返し実行します。
このようにして、エンティティと関係の間の相互作用が強化され、より良いエンティティと関係の表現が得られます。
WebQSP と CWQ という 2 つの公開データセットでの実験では、私たちのアプローチが以前の最先端技術に比べて大幅なパフォーマンス向上を達成していることが示されています。
私たちのコードは \url{https://github.com/yanmenxue/RAH-KBQA} で入手できます。

要約(オリジナル)

Multi-hop Knowledge Base Question Answering(KBQA) aims to find the answer entity in a knowledge graph (KG), which requires multiple steps of reasoning. Existing retrieval-based approaches solve this task by concentrating on the specific relation at different hops and predicting the intermediate entity within the reasoning path. During the reasoning process of these methods, the representation of relations are fixed but the initial relation representation may not be optimal. We claim they fail to utilize information from head-tail entities and the semantic connection between relations to enhance the current relation representation, which undermines the ability to capture information of relations in KGs. To address this issue, we construct a \textbf{dual relation graph} where each node denotes a relation in the original KG (\textbf{primal entity graph}) and edges are constructed between relations sharing same head or tail entities. Then we iteratively do primal entity graph reasoning, dual relation graph information propagation, and interaction between these two graphs. In this way, the interaction between entity and relation is enhanced, and we derive better entity and relation representations. Experiments on two public datasets, WebQSP and CWQ, show that our approach achieves a significant performance gain over the prior state-of-the-art. Our code is available on \url{https://github.com/yanmenxue/RAH-KBQA}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google